Een RAG-chatbot voor websites, documentatie en helpcentra die uit uw eigen content ophaalt in plaats van te raden. ChattyBox beantwoordt vragen zoals “Wat is inbegrepen in het Pro-abonnement?” vanuit uw gepubliceerde pagina's en citeert de bron — zonder aangepaste retrieval-infrastructuur te bouwen of te hosten.
RAG combineert een taalmodel met opgehaalde broncontent. Voordat een antwoord wordt gegenereerd, doorzoekt de chatbot uw gepubliceerde pagina's op passages die bij de vraag passen.
Als vertrouwen in antwoorden prioriteit heeft, combineer deze retrieval-workflow dan met een gegronde AI-chatbot die verzonnen antwoorden vermijdt via bronbeperkingen en fallbackgedrag.
Wanneer een bezoeker een vraag stelt, doorzoekt ChattyBox geïndexeerde website-, documentatie-, help- en CMS-content op relevante passages.
Die bronpassages worden als context toegevoegd, zodat het model iets specifieks heeft om vanuit te antwoorden.
Het model genereert een beknopt antwoord en kan bronlinks bevatten, zodat bezoekers de details kunnen verifiëren.
Een betrouwbaar RAG-systeem is een keten van testbare fasen, niet één modelaanroep. Deze referentiearchitectuur scheidt contentvoorbereiding, retrieval, generatie en bronvermelding, zodat teams fouten kunnen lokaliseren en gewijzigde bronnen opnieuw kunnen indexeren zonder een model opnieuw te trainen.
Beoordeeld wanneer het retrievalgedrag verandert en ten minste elke zes maanden.
| Fase | Wat gebeurt er | Te verifiëren controle |
|---|---|---|
Fase 1. Crawlen | Wat gebeurt er Ontdek toegestane pagina’s via URL’s en sitemaps. | Te verifiëren controle Verwachte URL’s zijn aanwezig; uitgesloten en privépaden ontbreken. |
Fase 2. Parsen | Wat gebeurt er Extraheer koppen, tekst, lijsten, tabellen, code, canonieke URL’s en metadata. | Te verifiëren controle Navigatieruis wordt verwijderd zonder opdrachten of versielabels weg te laten. |
Fase 3. Opdelen | Wat gebeurt er Verdeel inhoud in passages die de URL van hun bronpagina behouden. | Te verifiëren controle Elke passage is afzonderlijk begrijpelijk en behoudt de vereisten. |
Fase 4. Embedden | Wat gebeurt er Zet passages om voor semantische matching en sla bronmetadata op. | Te verifiëren controle Elke vector verwijst naar één actuele, toegestane bronpassage. |
Fase 5. Ophalen | Wat gebeurt er Rangschik een kleine set passages op basis van de vraag van de bezoeker. | Te verifiëren controle Recall@k-tests plaatsen de referentiepassage in de contextset. |
Fase 6. Prompten | Wat gebeurt er Combineer de vraag, passages, bronmetadata en fallbackregels. | Te verifiëren controle Instructies kunnen machtigingen niet uitbreiden of fallbackregels overschrijven. |
Fase 7. Beantwoorden | Wat gebeurt er Instrueer het model onderbouwde details te gebruiken of af te zien van een antwoord bij onvoldoende bewijs. | Te verifiëren controle Wezenlijke claims volgen de context; ontbrekend bewijs activeert fallback. |
Fase 8. Citeren | Wat gebeurt er Geef opgehaalde pagina-URL’s terug bij onderbouwde antwoorden; controleer of ze het antwoord ondersteunen. | Te verifiëren controle Links werken, komen overeen met de versie en ondersteunen de claim rechtstreeks. |
Een bronwijziging kan pas worden opgehaald nadat de betreffende pagina opnieuw is gecrawld, geparset, opgedeeld en geëmbed. Houd bronrevisies bij, vervang verouderde chunks in plaats van duplicaten toe te voegen, verwijder verwijderde pagina’s en test representatieve antwoorden na herindexering. Baseer de recrawlfrequentie op het kortste aanvaardbare venster voor verouderde antwoorden over prijzen, beleid en documentatieversies.
Openbare pagina’s kunnen één crawlscope delen. Privé-, tenant-, werknemers- of accountgegevens vereisen geauthenticeerde opname en autorisatie tijdens retrieval voordat passages in de prompt terechtkomen. Robots-regels zijn geen toegangscontrole. Indexeer nooit geheimen en test dat niet-geautoriseerde identiteiten geen titels, fragmenten, URL’s of antwoorddetails uit beperkte bronnen kunnen ophalen.
Gebruik een versiegebonden vragenset met bekende bronpassages, verwachte claims en verwachte fallbackgevallen. Voer deze uit na wijzigingen in bronnen, chunking, embeddings, rangschikking of prompts en inspecteer fouten vervolgens per fase.
| Signaal | Hoe dit te meten | Fout die hierdoor zichtbaar wordt |
|---|---|---|
Signaal Recall@k | Hoe dit te meten Aandeel beantwoordbare vragen waarbij een referentiepassage in de top k-resultaten verschijnt. | Fout die hierdoor zichtbaar wordt Ontbrekende crawldekking, zwakke chunks, niet-overeenkomende woordenschat of verouderde embeddings. |
Signaal Rangschikkingskwaliteit | Hoe dit te meten Registreer reciprocal rank of nDCG voor als relevant beoordeelde passages. | Fout die hierdoor zichtbaar wordt Er bestaat een relevante pagina, maar ruis of een verouderde versie staat hoger gerangschikt. |
Signaal Ondersteuning van claims | Hoe dit te meten Beoordeel elke wezenlijke claim aan de hand van de passages die aan het model zijn verstrekt. | Fout die hierdoor zichtbaar wordt Het antwoord combineert aannames met bewijs of overdrijft wat de bron zegt. |
Signaal Nauwkeurigheid van bronvermeldingen | Hoe dit te meten Controleer of elke bronvermelding werkt en de bijbehorende claim rechtstreeks ondersteunt. | Fout die hierdoor zichtbaar wordt Het juiste antwoord linkt naar een slechts gerelateerde pagina of de verkeerde versie. |
Signaal Precisie en recall van fallback | Hoe dit te meten Neem onbeantwoordbare vragen en vragen met tegenstrijdige bronnen op; beoordeel correcte weigeringen en gemiste antwoorden. | Fout die hierdoor zichtbaar wordt De bot gokt zonder bewijs of weigert ondanks voldoende bewijs. |
Signaal Actualiteitsvertraging | Hoe dit te meten Meet de tijd vanaf een gepubliceerde bronwijziging tot een correct opgehaald antwoord. | Fout die hierdoor zichtbaar wordt Vertraging bij opnieuw crawlen, dubbele verouderde chunks of mislukte doorvoering van verwijderingen. |
| Methode | Beste keuze | Belangrijke beperking |
|---|---|---|
Methode Zoeken op trefwoorden of site | Beste keuze Gebruikers willen gerangschikte pagina’s en lezen de bron zelf. | Belangrijke beperking Stelt geen antwoord samen en kan semantische overeenkomsten missen. |
Methode RAG | Beste keuze Kennis verandert, bronvermeldingen zijn belangrijk en antwoorden omvatten enkele passages. | Belangrijke beperking Kwaliteit hangt af van crawldekking, retrieval, machtigingen en bronkwaliteit. |
Methode Fine-tuning | Beste keuze Leer een stabiele stijl, indeling, classificatie of taakgedrag aan. | Belangrijke beperking Geen betrouwbare vervanging voor actuele feiten, bronvermeldingen of bronverwijdering. |
Methode Prompting met lange context | Beste keuze Een afgebakende documentset past in de context en elk item is relevant. | Belangrijke beperking Kosten en ruis nemen toe met de context; machtigingen en actualiteit vereisen nog steeds beheer. |
Er is geen universeel beste optie. Test de nauwkeurigheid van bronvermeldingen, fallbackgedrag, actualiteit van bronnen, tegenstrijdige content, escalatie, grenzen rond privécontext, analytics, integraties en uitrolinspanning aan de hand van dezelfde supportvragen.
Een gerichte RAG-chatbot kan terugkerende vragen beantwoorden vanuit goedgekeurde docs en helpartikelen, met bronvermeldingen en conservatief fallbackgedrag.
Kies een breder supportplatform wanneer u geauthenticeerde accountacties, ticketroutering, SLA's, agentwerkruimten of activiteiten over meerdere kanalen nodig hebt.
Neem vragen op over ontbrekende, verouderde of tegenstrijdige inhoud, privécontext en situaties met grote impact. Leg geciteerde URL's, weigeringen, overdrachten en notities van beoordelaars vast in plaats van een niet-geverifieerde score te publiceren.
Plan de support- en escalatiegrens · Evalueer gekoppeld bronbewijs · Gebruik de checklist voor het verminderen van hallucinaties
Stel dat op de geïndexeerde installatiepagina staat dat het widgetscript direct vóór de afsluitende body-tag hoort. Retrieval moet die passage selecteren, de prompt moet niet-ondersteund plaatsingsadvies verbieden en het antwoord moet de instructie geven met de installatiepagina als bewijs.
Ga verder met de gidsen over bronvermeldingen, Docusaurus AI-chatbot met bronvermelding, chatbots voor ontwikkelaarsdocumentatie en het AI-chatbot voor MkDocs met bronvermeldingen.
Uw website-, documentatie-, helpcentrum- en CMS-pagina's worden geïndexeerd, zodat de chatbot de content kan doorzoeken die u al publiceert.
Embeddings helpen bezoekersvragen te koppelen aan relevante bronpassages, zelfs als de formulering verschilt.
Voor elke vraag haalt ChattyBox een kleine set relevante passages op in plaats van het model uit het geheugen te laten antwoorden.
Het model krijgt de instructie om vanuit de opgehaalde context te antwoorden en ongefundeerde beweringen te vermijden. Deze instructies garanderen geen correct antwoord.
Onderbouwde antwoorden kunnen links naar opgehaalde bronpagina’s bevatten die gebruikers kunnen controleren. Terugvalantwoorden kunnen zonder bronverwijzingen zijn.
Wanneer er geen relevante inhoud wordt gevonden, zegt de bot eerlijk ‘Ik weet het niet’ in plaats van te hallucineren.
Een generieke chatbot antwoordt vanuit een breed modelgeheugen en kan zelfverzekerd klinken over dingen die hij niet weet. Een RAG chatbot haalt eerst uw pagina's op, dus het antwoord is gekoppeld aan de inhoud die u heeft gepubliceerd en kan worden gecontroleerd.
Wanneer bronvermeldingen prioriteit hebben, combineer retrieval met een AI-chatbot met bronvermeldingen die ondersteunde antwoorden aan hun bronpagina's koppelt.
Verbind uw bestaande sitecontent, test de antwoordkwaliteit en sluit een chatbot met bronvermeldingen in wanneer de antwoorden kloppen.
Start gratis - Geen creditcardWe gebruiken optionele analysetools en tools voor tagbeheer om te begrijpen hoe de site wordt gebruikt. Kies of je Ahrefs Web Analytics, PostHog en Google Tag Manager wilt toestaan. Als je analytics uitschakelt, wordt deze pagina opnieuw geladen zodat de wijziging netjes van kracht wordt. Essentiële sitefunctionaliteit en foutmonitoring vallen niet onder deze keuze. Lees ons privacybeleid.
